【作者简介】毕向阳，中央民族大学民族学与社会学学院。

【文章来源】《人大复印报刊资料》2026年第1期

【内容提要】本研究以学生评教大数据为实例，借助基于Transformer架构的有监督深度学习模型，探究其在社会研究中的预测与解释能力。实验结果表明，该模型在评教结果预测方面的表现显著优于传统机器学习模型。本文通过对自注意力机制开展实例分析，提出“计算理解”这一概念，阐明模型如何捕捉文本语义和上下文依赖，这类似于社会研究理解方法在特定语境下对主观意义的探寻。结合SHAP值等可解释性方法，本研究量化了影响评教的关键特征，揭示了数据背后的社会模式。在此基础上，本文进一步论证了在大数据和人工智能时代，基于Transformer架构的“计算理解”范式在整合质性与量化数据、推动社会研究方法论创新方面的潜力。

【关 键 词】Transformer架构/ 学生评教/ 自然语言处理/ 计算理解/

【全文链接】https://iffaz89a1d8c8d150461chowpokcp5q06c6ob6ghhb.libproxy.ruc.edu.cn/qw/detail?id=910431